YOLO是「You only look once」的簡稱,顧名思義是訓練一個網路模型,電腦只要看一眼,就能判斷照片或影像裡的物件類別與位置,大大提升辨識速度,2015年推出第一代版本「YOLOv1」,目前則進入第四代版本「YOLOv4」,是一種利用人工智慧執行即時物件偵測的技術,能偵測物件、追蹤及判斷,可應用於交通車流計算、自駕車研發。
全球最快最準物件偵測 桃園、新竹市府合作開發智慧車流
而「YOLOv4」正是由中研院資訊科學研究所特聘研究員廖弘源、博士後研究員王建堯,與俄羅斯開發者博科夫斯基,歷經5個多月共同研發出來,王建堯說,這是世界上最快最準的物件偵測演算法,平均正確率達43.5%,比上一代(YOLOv3)提高10%,應用在交通車流分析的正確率更可以達到90%以上。
王建堯說,過去人工智慧用在即時物件偵測技術,需偵測完後上傳到雲端辨識,再回傳資料,既耗時又耗電,團隊從去年起開始改良,改善網路識別物件回傳機制,優化傳輸路徑並減少演算法計算量,只要一般的圖形處理器(GPU)就能實現運算,在複雜環境、不降速的情況下,成功將辨識準確率提高到43.5%,較第三代技術增加10個百分點,而且資料免上雲端,可在機器上就可即時辨識車輛,也較傳統雲端演算節省約90%的耗電量。
YOLOv4已在網路上公開原始碼,任何人都可免費使用,也因為具有最快、最準的物件偵測演算法,包括桃園市、新竹市政府,已和廠商合作開發智慧車流系統,即時辨識車流量、路徑方向等數字,其中桃園市政府與義碩智能公司合作案,7月份已經正式進行測試,等於利用AI來控制交通號誌,屆時可透過即時影像辨識,依照車流量調整紅綠燈號變換、秒數等。
王建堯說,過去根據軟體進行模擬,利用AI系統控制交通號誌,尖峰時刻的車流量可以提升2至3成,代表可減少2到3成的車輛疏散時間,目前在桃園大園交流道下來的5個路口裝設5個魚眼鏡頭,總長度約1公里,希望讓機器學習自動控制號誌,從7月1起開始測試。
桃園中正東路5路口測試 AI系統控制交通號誌
合作的義碩智能研發處副處長胡中平則表示,AI系統控制交通號誌正在測試中,該系統會偵測車流狀況給演算法,判斷現在號誌是否合理,再決定延長或縮短相關號誌時間,7月份測試是利用交通離峰時間,包括在清晨3至6時、11時至14時,預計8月在交通尖峰時間進行測試,正式上路時間決定權在桃園市政府。
桃園市交通局在大園區國道2號下匝道的中正東路段共5處路口(國道2號東匝、橫湳路口、平安路口、民安路口及民生南路口)執行AI智慧號誌控制計畫,該路段鄰近桃園國際機場與大園工業區,全日大型車、機車等混合車流量大且設有時段性調撥車道,為重要交通樞紐。
桃園市交通局運輸資訊中心主任李慶憲說,7月主要測試設備與系統的穩定度,畢竟是剛從模擬測試進入實際道路測試,尚無實際測試數據可以提供,可能要等到8月測試完才有相關數據。
他表示,目標是9月上路,仍要觀察實際測試結果而定,需讓交通達到安全順暢才會上路,畢竟這是全國第一個採用AI控制交通燈號的個案,若因系統不穩定導致民眾對此有疑慮反而不好,會以用路人安全為優先。
北市文林北路也在試辦 AI影像偵測增綠燈秒數
至於台北市則在去年就已開始試辦AI系統控制交通號誌,北市交工處總工程司劉嘉祐表示,透過AI影像偵測判斷車流及調整紅綠燈號誌是未來趨勢,國內很多團隊都在進行嘗試,去年北市就已在文林北路75巷辦理AI影像偵測,若巷弄有行人或車時才開啟綠燈(沒人車開紅燈),若無行人及行車則維持幹道綠燈,增加幹道綠燈秒數,經測試發現離峰及夜間幹道車輛空等率可減少35%,幹道綠燈秒數可增加79%,預計今年年底可再建置10處。
劉嘉祐說,國內廠商研發透過AI演算進行影像偵測的原理都大同小異,技術也愈來愈成熟,廠商將此技術運用結合在民眾日常的交通狀況,等同讓交通號誌更加智慧化,如內湖科學園區也是透過動態號誌收集內湖道路交通狀況,北市府目前已與部分廠商合作,至於經費則是透過交通部補助。(許敏溶、林媛玲/台北報導)
人工智慧(AI)運用越來越廣泛,中研院團隊日前開發出世全球最快、最準的物件偵測演算法(YOLOv4),可即時辨識車輛,合作的桃園市政府已從7月起進行道路測試,透過即時影像辨識,依車流量調整紅綠燈號變換、秒數,等於利用AI系統控制交通號誌,彷彿「AI交警」,預計9月在桃園正式上路,尖峰時刻車流量可望提升2至3成。北市也在文林北路測試AI影像偵測,幹道沒人車增綠燈秒數,估可減少35%空等率。
相關連結: